Theo CIO, AI không phải là "liều thuốc tiên" cho mọi vấn đề. Các công ty thường xây dựng những giải pháp quá hào nhoáng trong khi chỉ cần các cách sửa lỗi đơn giản. Điều này gây lãng phí thời gian, tiền bạc và làm xói mòn niềm tin.
Các dự án AI thất bại thường không kết thúc một cách ồn ào. Hiếm khi có ai đứng ra thừa nhận mình đã đưa ra quyết định sai. Thay vào đó, dự án cứ âm thầm kém hiệu quả.
Đội ngũ thực hiện phải điều chỉnh liên tục khiến lãnh đạo mất dần niềm tin. Cuối cùng, dự án bị xếp xó với lý do "thử AI nhưng không hợp". Không ai thực sự tính toán xem quyết định đó đã gây thiệt hại bao nhiêu.
Tôi từng chứng kiến một tình huống tương tự cách đây không lâu. Một tổ chức có hệ thống kinh doanh cốt lõi dựa trên các giá trị dữ liệu cấp quận. Theo thời gian, dữ liệu bị sai lệch khiến lợi nhuận sụt giảm đáng kể.
Giải pháp thực ra rất đơn giản: Chỉ cần cập nhật lại giá trị dữ liệu và dùng công cụ nhẹ để theo dõi sai lệch. Việc này chỉ tốn vài tuần với chi phí thấp và kết quả rất chắc chắn.
Nhưng tổ chức lại chọn xây dựng lại toàn bộ bằng một mô hình AI không xác định. Đây là một sai lầm nghiêm trọng về mặt phân loại giải pháp. Vấn đề vốn có logic rõ ràng và câu trả lời cố định, không cần đến xác suất.
Quyết định này được đưa ra do áp lực từ các cuộc thảo luận về AI trong phòng họp. Lãnh đạo muốn chứng tỏ họ đang làm điều gì đó tương xứng với xu hướng thời đại.
Hệ thống mới ban đầu có vẻ ổn nhưng sau đó tình trạng sai lệch lại tái diễn. Chi phí phát sinh sau đó còn lớn hơn nhiều so với vấn đề gốc. Họ đã dùng sai công cụ cho một vấn đề đã được định nghĩa rõ ràng.
Vấn đề phân bổ vốn
Về hiện trạng này, ông Harrison Allen Lewis, một người từng ba lần giữ chức CIO, cho biết có khoảng 15-25% chi tiêu công nghệ trong doanh nghiệp bị kẹt vào các hệ thống dư thừa, không tạo ra giá trị kinh doanh.
Nghiên cứu của Deloitte về "Nghịch lý ROI của AI" cũng chỉ ra rằng 85% tổ chức đã tăng chi tiêu cho AI vào năm 2025. Tuy nhiên, thời gian hoàn vốn đã kéo dài tới gần 4 năm.
Con số này khác xa so với khung thời gian 7 đến 12 tháng truyền thống của công nghệ doanh nghiệp. Đây không còn là thất bại kỹ thuật mà là vấn đề phân bổ vốn đầu tư.
Nguyên nhân sâu xa là tâm lý sợ bỏ lỡ (AI FOMO). Nỗi sợ này khiến doanh nghiệp ưu tiên vẻ ngoài của hành động hơn là chất lượng kết quả thực tế. Họ chọn giải pháp tinh vi thay vì giải pháp chính xác và rẻ tiền.
Boston Consulting Group chỉ ra một thực tế rằng dù 88% tổ chức đã thử nghiệm AI, chỉ có 5% đạt được lợi ích tài chính đáng kể. 60% còn lại không thu được giá trị gì dù đầu tư rất lớn.
Giải pháp ở đây là sự kỷ luật trong việc đánh giá và quản trị danh mục đầu tư. Doanh nghiệp cần dũng cảm dừng dự án khi bằng chứng không còn ủng hộ. Sự kỷ luật này phải có ngay từ đầu.
Chẩn đoán trước khi xây dựng
Trước khi áp dụng khung quản trị, cần trả lời câu hỏi: AI có thực sự giải quyết được vấn đề này không? Tổ chức có đủ nguồn lực để duy trì nó lâu dài hay không?
Nhiều doanh nghiệp bỏ qua câu hỏi này vì quá tin vào các bản demo trong môi trường lý tưởng. Đến khi nhận ra sự lệch pha thì ngân sách đã cạn và đội ngũ đã lún quá sâu.
Có ba điều cần kiểm tra trung thực. Đầu tiên là độ chính xác thực tế. Nếu doanh nghiệp cần 98% mà AI chỉ đạt 85%, chi phí cho con người sửa lỗi sẽ tốn hơn cả quy trình thủ công cũ.
Tiếp theo là chi phí suy luận. Chi phí thực tế bao gồm cả token, điện năng và công sức kỹ sư bảo trì. Con số này phải thấp hơn chi phí nhân công khi vận hành ở quy mô lớn.
Thứ hai là khả năng hỗ trợ lâu dài. Dự án sẽ gặp rủi ro lớn nếu phụ thuộc vào luồng dữ liệu bên thứ ba không kiểm soát được hoặc dữ liệu đầu vào quá bẩn.
Sự phức tạp trong tích hợp cũng là rào cản lớn. Một mô hình tốt nhưng không thể kết nối với hệ thống hiện có nếu thiếu phần mềm trung gian đắt đỏ thì không phải là giải pháp.
Thứ ba là sự chấp nhận của thực tế kinh doanh. Trong các ngành bị kiểm soát chặt, mô hình không có vết kiểm tra (audit trail) rõ ràng sẽ không thể tồn tại dù hiệu suất có cao đến đâu.
Thời gian cho ra kết quả cũng rất quan trọng. Một dự án không chứng minh được giá trị trong 90 ngày thường sẽ trở thành một gánh nặng vận hành vĩnh viễn.
Quản trị tương xứng với rủi ro
Khi quyết định xây dựng là đúng đắn, câu hỏi tiếp theo là áp dụng loại quản trị nào. Sai lầm phổ biến là dùng chung một phương pháp giám sát cho mọi dự án.
Một thử nghiệm doanh thu mới và một hệ thống vận hành cốt lõi có rủi ro rất khác nhau. Quản trị cứng nhắc sẽ bóp nghẹt sự sáng tạo hoặc gây nguy hiểm cho hệ thống chính.
Với các dự án khám phá vùng đất mới, quản trị cần chặt chẽ lúc đầu và nới lỏng dần. Cần có các cổng kiểm soát để tránh lãng phí 18 tháng mà không tạo ra kết quả gì cụ thể.
Với mục tiêu hiện đại hóa vận hành nội bộ, trọng tâm quản trị phải nằm ở dữ liệu. Mô hình tự động hóa quy trình chỉ tốt khi dữ liệu sạch và có quyền sở hữu rõ ràng.
Khi mục tiêu là bảo vệ biên lợi nhuận, tính kinh tế phải là logic hàng đầu. Nếu chi phí AI vượt quá chi phí nhân công khi chạy thực tế, dự án phải dừng lại ngay lập tức.
Quản trị phức tạp nhất là khi phải cân bằng giữa áp lực vận hành hôm nay và chiến lược tương lai. Cần tách biệt hai nhóm này bằng các ngưỡng vốn và tiêu chuẩn thành công khác nhau.
Góc nhìn cuối cùng
Quản trị AI không phải là một bài tập tuân thủ để làm chậm mọi thứ. Nó là công cụ giúp vốn đầu tư sinh lời thay vì âm thầm cạn kiệt vì những hào nhoáng công nghệ.
Các tổ chức thành công luôn có những lãnh đạo công nghệ dám khai tử dự án khi thấy không ổn. Đây là điều hiếm thấy khi mọi người thường tiếc nuối chi phí đã bỏ ra.
Các giám đốc tài chính và hội đồng quản trị cũng cần hiểu rằng một danh mục đầu tư AI tốt luôn có những thất bại. Thất bại đó chứng minh rằng quy trình sàng lọc đang hoạt động.
Tổ chức tôi kể ở đầu bài thất bại không phải vì chọn sai loại AI. Họ thất bại vì chọn AI cho một vấn đề vốn không cần đến nó. Đó là lỗi quản trị ngay từ vạch xuất phát.
Xác định đúng loại vấn đề quan trọng hơn việc chọn mô hình. Điều này tạo ra lợi thế bền vững cho doanh nghiệp thay vì phải đi viết báo cáo "khám nghiệm tử thi" cho những dự án AI thất bại.
*Nguồn: CIO
